基于改进 Ｋ－ｍｅａｎｓ算法的钢管表面 缺陷视觉检测方法

杨利霞

基于改进 Ｋ－ｍｅａｎｓ算法的钢管表面

$ E5 U) N: J; D: q. M( I

缺陷视觉检测方法

, I% [3 f  z5 f$ M


7 N' n( w3 c3 v9 N  I' m# t/ l：为了利用机器视觉技术检测钢管表面缺陷，设计并搭建了钢管表面图像采集实验平台，针对钢管表面覆
4 U, G+ v8 ?! B0 b' w盖有氧化铁皮以及弧形外表面易造成光照不均等问题，提出一种基于改进 Ｋ－ｍｅａｎｓ灰度正反求和的检测方
法。首先采用垂直投影法获取钢管区域图像，计算得到其灰度反转图像，参 照 Ｆｒａｎｋｌｅ－ＭｃＣａｎｎＲｅｔｉｎｅｘ算 法
5 g7 o9 ?) q# p- D. V8 l原理分别对钢管区域图像及灰度反转图像进行增强，获得各自背景均匀的高对比度图像，再 采 用 改 进 的 Ｋ－
/ @3 D9 ?# W) t* @9 Z; \ｍｅａｎｓ算法进行图像分割，得到两个缺陷检测结果，并对二者求和，最后通过图像后处理优化检测结果。构建
9 \* G* p0 S% [8 a# E了不同光照环境下包含凹坑、翘皮、划伤和辊痕等多类缺陷的钢管表面图像样本集进行实验，结果表明本文方
* U, [3 Q4 m% P0 q* N, l/ \法的检测精度较高，对光照不均匀具有良好的抗干扰能力
: \4 H' t" V8 p0 A( O
# b- U& m6 S6 Z( P, u$ ~5 w# p
- k% [; D  L, D; u